[发明专利]一种数控机床热致定位误差关键温度测点选择方法

说明书

本发明公开了一种数控机床热致定位误差关键温度测点选择方法，包括以下步骤：S1：通过实验测量获取进给系统热误差及温度场数值；S2：利用步骤S1中已测得的进给系统热误差及温度场数值，提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，建立评价函数J(T_i)；S3：在评价函数J(T_i)的基础上，应用特征选择方法提取出关键温度测点。本发明可有效解决过多的温度变量会增加热误差预测和补偿模型的复杂性以及测点温度值之间存在关联、冗余及耦合的问题。

技术领域

本发明属于数控机床技术领域，具体涉及一种数控机床热致定位误差关键温度测点选择方法。

背景技术

机床是制造业的基础，对国民经济和国防工业领域有着重大的影响，数控机床作为海洋资源开发装备、大型船舶、高速机车、核电与风电、航空航天以及电动汽车等领域的基础部件的“制造母机”，其性能与战略新兴产业的发展具有极其密切的关系。机床定位误差是定位精度的直接反映，也是决定机床加工精度的重要因素。因此，降低定位误差对机床进给系统准静态性能的影响对提升机床加工精度至为关键。

热误差占机床总误差约70％，高速轴承、丝杠、导轨等部位产生的摩擦热效应，造成进给机构和主轴系统的热变形，不仅产生严重的热误差，而且会改变机床运行的动态参数，导致机床闭环控制的失稳和振动。机床误差补偿法成本相对低廉、实施性高而成为当前改善数控机床定位精度的主要手段。合理选择热变形敏感区域的实施定点测量，是建立热变形量即定位误差与温度变量的映射关系的基础，也是建立误差补偿模型的关键。由于机床温度场分布的复杂性、非平稳性，因此获取机床温度场的分布情况需要布置大量的温度传感器。通常情况下，机床上布置的温度传感器越多，获取的机床温度信息越全面。但是由于过多的布线不仅会引起温度检测方面的问题，而且众多温度变量中势必存在共线性和关联性不强的缺陷。

机床关键温度测点的选择是影响热误差模型精度与鲁棒性的主要因素之一。现有关键温度测点选择方法中，最常采用统计学中的回归分析和主因素分析，灰色关联度分析以及模糊理论中的模糊聚类分析。回归分析方法作为一种常用的方法，一般适用于线性、影响系统因素较少的情况下，对于多因素、非线性系统，回归分析方法就不再适用。主因素分析方法虽然能从众多的因素中挑选出几项关键因素，但往往容易忽略那些只能用语言描述却很难用数据表述的因素。模糊聚类分析方法虽然可以对各因素进行分类，但由于阈值选取的不同，将得到不同的分类结果。温度变量由于自身共线性耦合问题及对热变形误差的贡献问题即关联度问题等将影响到建模精度。建立热误差预测模型时使用过多的温度变量会增加模型的复杂性，而且一些测点温度值之间存在共线性耦合的问题，全部使用所有温度变量反而会增大模型的预测误差。因此也需要选取与热误差相关性密切的测点温度进行热误差建模，这样可以降低预测模型的复杂度和增加模型的预测精度。因此，选择反映进给系统热特性的关键的温度测点实施机床误差建模和误差补偿技术的首要问题之一。为了解决上述制约，本发明提出了一种数控机床进给轴热致定位误差关键测点选择方法。

发明内容

本发明目的在于提供一种数控机床热致定位误差关键温度测点选择方法，用于解决现有技术中制鞋工业线上，鞋子在生产完成后需对其后跟进行质量检测，在检测后跟形状高低是否一致时，需要工作人员进行人工判断；但是，这种方式存在一定误差，并且，夹具夹持住后跟的部分区域被夹具挡住，无法采集到这部分区域的信息，从而无法完成对这部分区域的高低配双检测的问题。

为实现上述目的，本发明所采用的技术方案是：

一种数控机床热致定位误差关键温度测点选择方法，包括以下步骤：

S1：通过实验测量获取进给系统热误差及温度场数值；

S2：利用步骤S1中已测得的进给系统热误差及温度场数值，提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，建立评价函数J(T_i)；

S3：在评价函数J(T_i)的基础上，应用特征选择方法提取出关键温度测点。